리더경제
【글로벌 반도체·AI 리더 ①】 젠슨 황, 게임 화면을 그리던 칩은 어떻게 AI의 핵심이 됐나
1993년 공동창업에서 2006년 CUDA까지…그래픽 기술의 쓰임을 넓힌 선택
2012년 딥러닝 연구가 보여준 GPU의 가능성…성과 뒤에는 연구자와 개발자가 있었다
한국 HBM의 기회와 데이터센터의 전력 비용…AI 성장의 다음 질문은 누구에게 이익이 돌아가느냐다
리더경제 운수연 기자
보도시점: 2026년 10월 10일
AI에게 질문을 던지면 답이 화면에 나타난다. 이용자가 보는 것은 몇 줄의 문장이지만, 그 뒤에서는 수많은 계산이 진행된다.
그 계산에 널리 사용되는 반도체가 GPU, 그래픽처리장치다. 이름 그대로 화면을 그리는 일을 맡던 기술이 어떻게 AI 산업의 핵심으로 들어왔을까.
젠슨 황의 경력을 읽는 출발점도 여기에 있다. 검은 가죽 재킷이나 화려한 제품 발표보다 중요한 것은 엔비디아가 기술의 쓰임을 넓혀온 과정이다.
게임을 위한 그래픽 기술, 연구자가 사용할 수 있는 개발 도구, 딥러닝의 계산 수요가 시간차를 두고 연결됐다. 그 사이에는 공동창업자와 엔지니어, 연구자, 메모리 공급업체의 일이 있었다.
① 1993년, 출발점은 게임과 그래픽이었다
엔비디아는 1993년 젠슨 황, 크리스 말라초스키, 커티스 프리엠이 공동창업했다. 회사 공식 연혁은 당시의 목표를 게임과 멀티미디어 시장에 3차원 그래픽을 제공하는 것으로 설명한다.
처음부터 오늘날의 생성형 AI 시장을 전제로 출발한 회사는 아니었다.
게임 속 인물이 움직이고, 빛과 그림자가 바뀌고, 배경이 화면에 그려지려면 많은 계산이 필요하다. 그래픽 기술의 발전은 이런 작업을 더 빠르고 정교하게 처리하려는 경쟁과 맞물렸다.
1999년 엔비디아는 지포스 256을 선보였다. 회사는 이 제품을 GPU라는 개념을 내세운 주요 전환점으로 기록한다. 다만 당시 회사의 ‘세계 최초’라는 표현은 회사가 제시한 정의와 홍보 문맥을 함께 봐야 한다.
독자가 주목할 부분은 명칭의 경쟁보다 계산 방식이다. 여러 작업을 나눠 동시에 처리하는 GPU의 특성은 훗날 그래픽 이외의 분야에서도 활용될 가능성을 품고 있었다.
② 2006년 CUDA, 칩의 성능을 사람들이 쓸 수 있게 하다
성능 좋은 반도체가 있다고 해서 모든 연구자가 곧바로 활용할 수 있는 것은 아니다. 자신이 풀려는 문제를 그 반도체에서 실행할 방법이 필요하다.
엔비디아는 2006년 CUDA 아키텍처를 공개했다. GPU의 병렬 처리 능력을 과학과 연구 분야에서 활용할 수 있도록 범용 계산의 길을 넓힌 것이다.
쉽게 말하면 화면을 그리던 계산 능력을 다른 문제에도 사용할 수 있게 한 전환이었다. 이후 개발 도구와 소프트웨어 라이브러리의 축적은 GPU를 활용하는 기반을 넓혔다.
여기서 젠슨 황의 경영을 읽을 수 있는 지점이 나온다. 경쟁력이 칩 내부의 성능에만 머물지 않았다는 점이다. 개발자가 기술을 익히고, 프로그램을 만들고, 기존 작업을 이어갈 수 있는 환경도 사업의 일부가 됐다.
리더경제는 이를 하드웨어와 소프트웨어를 함께 키운 전략으로 해석한다. 사용자가 축적한 코드와 경험은 플랫폼을 계속 쓰게 하는 이유가 될 수 있다. 동시에 다른 플랫폼으로 옮길 때의 부담도 평가 대상이 된다.
기업의 경쟁력과 이용자의 선택권은 함께 살펴야 한다.
③ 2012년, 연구자들이 GPU로 보여준 딥러닝의 가능성
2012년 발표된 AlexNet 논문은 GPU를 활용한 딥러닝의 중요한 사례다.
알렉스 크리제브스키, 일리야 수츠케버, 제프리 힌턴이 작성한 논문에는 엔비디아 GTX 580 GPU 두 개를 이용해 신경망을 학습시켰다는 내용이 나온다. 연구진은 이미지 분류에서 기존 방법보다 개선된 결과를 제시했다.
이 장면을 젠슨 황 개인의 발명으로 설명하면 연구의 주체가 사라진다. 신경망을 설계하고 실험한 사람은 연구진이었다. 엔비디아의 반도체는 그 연구를 수행하는 계산 도구였다.
그렇다고 도구의 역할이 작았다는 뜻도 아니다. 논문은 GPU의 메모리 용량과 학습 시간이 실험 규모를 제한하는 요소였다고 설명한다. 더 큰 계산을 수행할 수 있는 장비는 연구자가 시도할 수 있는 범위와 연결됐다.
AI의 발전에는 알고리즘, 데이터, 반도체, 소프트웨어가 함께 필요했다. 젠슨 황을 조명하는 기사는 그 연결을 키운 기업의 선택을 살펴야 한다.
모든 AI 작업에서 GPU가 최선인 것도 아니다. 연산의 종류와 규모, 비용에 따라 CPU나 다른 가속기를 사용할 수 있다. GPU의 성공을 모든 계산에 대한 우월성으로 확대하면 기술을 정확히 설명하기 어렵다.
④ 2022년 HBM 공급, 젠슨 황의 이야기가 한국과 만나다
GPU의 계산 속도가 빨라도 필요한 데이터를 제때 가져오지 못하면 성능을 충분히 활용하기 어렵다. 메모리와 연결 기술이 중요한 이유다.
SK하이닉스는 2022년 6월 HBM3 양산과 엔비디아 공급 계획을 발표했다. 당시 발표에는 HBM3가 엔비디아 H100 GPU와 결합될 예정이라는 내용이 담겼다.
HBM은 여러 D램 칩을 수직으로 연결해 높은 데이터 전송 대역폭을 확보하는 메모리다. 계산을 맡는 GPU와 데이터를 공급하는 메모리가 함께 성능을 뒷받침한다.
여기에서 한국 독자에게 중요한 질문이 생긴다. 해외 AI 기업의 성장이 국내 산업에는 어떤 기회가 될까.
HBM 공급 사례는 한국 메모리 기술이 AI 계산 기반과 연결된다는 점을 보여준다. 다만 AI 시장이 커진다고 모든 국내 기업의 이익이 같은 속도로 늘어나는 것은 아니다.
고객의 요구를 충족하는 성능, 양산 품질, 생산 비용, 안정적인 공급 능력이 함께 필요하다. 첨단 패키징과 장비·소재 분야로 기회를 넓히는 일도 별도의 과제다.
리더경제가 보는 핵심은 공급망에서 한국이 어떤 기술과 협상력을 확보하느냐다. 물량을 늘리는 것과 지속적인 경쟁력을 갖추는 것은 구분해서 평가해야 한다.
⑤ 2026년의 성장, 그리고 AI의 숨은 청구서
엔비디아가 2026년 8월 26일 발표한 2027회계연도 2분기 실적에 따르면, 2026년 7월 26일 종료 분기의 매출은 약 962억 달러였다. 데이터센터 부문 매출은 약 890억 달러로 발표됐다.
‘2027회계연도’는 회사의 회계연도 표기다. 이 수치를 2027년에 발생한 실적으로 읽어서는 안 된다. 또한 데이터센터 부문에는 네트워킹 등도 포함되므로 해당 매출 전액을 특정 AI 제품의 매출로 단정할 수 없다.
이 성장은 AI 계산 기반에 대한 큰 수요를 보여준다. 그러나 장비를 공급하는 기업의 매출과 장비를 구매한 고객의 수익성은 같은 문제가 아니다.
AI 서비스를 운영하는 기업은 투자한 비용을 실제 매출이나 생산성 개선으로 회수해야 한다. 이용자에게는 서비스 가격과 품질이, 노동자에게는 업무 변화와 새로운 기술을 배울 기회가 중요하다.
물리적인 비용도 있다.
국제에너지기구는 2025년 보고서의 기본 시나리오에서 세계 데이터센터의 전력 소비가 2030년 약 945TWh에 이를 것으로 전망했다. 이는 AI만의 전력 소비량이 아니라 전체 데이터센터의 소비 전망이며, 확정된 미래 수치도 아니다.
반도체를 빠르게 만드는 일과 그 반도체에 전기를 공급하고 열을 식히는 일은 함께 진행돼야 한다. AI 산업의 확장은 전력망과 냉각 시설, 지역의 기반시설 투자 문제로도 이어진다.
리더경제의 시선 — 좋은 리더는 기술의 가능성을 누구에게 열어주는가
젠슨 황의 경력에서 눈여겨볼 대목은 한 기술의 쓰임을 계속 넓혀왔다는 점이다. 게임 화면을 그리는 계산 능력이 연구자의 실험 도구가 됐고, AI 산업의 기반으로 연결됐다.
그 과정은 한 사람의 직감만으로 완성되지 않았다. 공동창업자와 개발진, 연구자, 생산과 공급을 맡은 기업들의 축적이 있었다.
따라서 그의 리더십은 기업의 성장과 함께 평가해야 한다. 개발자가 더 좋은 도구를 얻었는지, 고객이 투자한 비용에 걸맞은 가치를 얻는지, 산업의 성장에 필요한 비용을 누가 부담하는지도 질문해야 한다.
독자가 AI에 바라는 것은 거창한 미래만은 아닐 것이다. 어려운 일을 조금 쉽게 하고, 배우는 시간을 줄이고, 자신에게 필요한 도움을 얻는 일일 수 있다.
젠슨 황의 다음 성과를 판단할 기준도 그 일상에 있다. 더 많은 계산을 판매하는 것을 넘어, 그 계산이 사람에게 어떤 쓸모로 돌아오는가.
게임에서 AI로 이어진 이야기는 그 질문까지 따라갈 때 비로소 독자의 이야기가 된다.
자료출처
1. 엔비디아 공식 기업 연혁
1993년 창업, 1999년 GPU, 2006년 CUDA
2. 엔비디아 CUDA 관련 공식 기술 설명
3. 2012년 논문
「ImageNet Classification with Deep Convolutional Neural Networks」
4. SK하이닉스
「SK hynix to Supply Industry’s First HBM3 DRAM to NVIDIA」
발표일: 2022년 6월 8일
5. 엔비디아 2027회계연도 2분기 실적 발표
발표일: 2026년 8월 26일
6. 국제에너지기구
「Energy and AI」, 2025년
편집 안내
기업의 공식 자료는 해당 기업의 발표로 구분해 사용했습니다.
전력 전망은 국제에너지기구의 시나리오이며 확정치가 아닙니다.
산업적 의미와 리더십에 관한 해석은 리더경제의 분석입니다.
보도시점: 2026년 10월 10일
리더경제 소개
리더경제는 경제·산업·기업·금융·정책·글로벌·생활경제의 주요 흐름을 사실·신뢰·통찰을 중심으로 전달하는 프리미엄 경제 디지털 미디어입니다.
리더경제 공식 채널
홈페이지
https://www.leader-economy.kr
리더경제 공식 블로그
https://m.blog.naver.com/leadereconomy
김지연 기자 블로그
https://m.blog.naver.com/leader_kjy_
리더경제뉴스 공식 유튜브
https://www.youtube.com/channel/UCN5ORMVwxzc22oHP3K-vn_g
틱톡
https://www.tiktok.com/@leaderkjy
인스타그램
https://www.instagram.com/leader_economy/
페이스북
https://www.facebook.com/share/19T74V68PV/
기사 제보·보도자료·인터뷰 문의
리더경제는 독자 여러분의 제보와 현장의 목소리를 기다립니다. 경제·산업·기업·금융·정책·생활경제와 관련한 주요 소식, 사회적 관심이 필요한 현장, 확인이 필요한 사안 등을 보내 주세요.
기업·기관의 보도자료와 취재 요청, 인물·기업·현장 인터뷰 제안도 아래 이메일로 접수합니다. 관련 자료와 함께 담당자 성함 및 연락처를 남겨 주시면 검토에 도움이 됩니다.
제보·보도자료·인터뷰 문의 이메일
reporterkjy@naver.com
보내주신 내용은 사실관계와 공익성, 취재 필요성 등을 검토해 보도 여부를 판단합니다.
ⓒ 리더경제. 무단 전재 및 재배포 금지.
리더경제가 제작한 기사·사진·영상·이미지 등 콘텐츠를 이용하려면 사전 문의해 주시기 바랍니다. 외부 제공 자료와 공공자료는 해당 권리자의 이용조건을 따릅니다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
